“我把 ChatGPT 和蘋果的 Siri 組了個隊，發(fā)現(xiàn)無敵了！”

ChatGPT 的問世，帶來了前所未有的智能應用新方式。如果“AI+AI”，會碰撞出什么樣的火花？近日，國外一名 Web 高級工程師 Mate Marschalko 將 ChatGPT 和 Siri 人工智能語言助手進行了結合，萬萬沒想到，一套更為完善的智能家居系統(tǒng)由此誕生了。 

自從我嘗試了 ChatGPT 和 GPT-3 以后，我覺得 Siri、Alexa、Google Home 等一切智能助手都遠不夠智能。

我有一個完整的 HomeKit 智能家居系統(tǒng)，其中包含幾十盞燈、恒溫器、地暖、通風裝置、攝像頭等家電的控制。所以，我想利用 GPT-3 解析人類發(fā)送的命令，然后由 Siri 代為執(zhí)行，構建出這個世界上最偉大的智能家居系統(tǒng)。

在具體討論細節(jié)之前，先來看看下面的演示。事先說明，智能家居系統(tǒng)給出的響應是可以完全定制的，并不限于演示中的內(nèi)容。你可以通過語音按照自己想要的方式提出任何請求！

GPT-3，尤其是 ChatGPT 之類的語言模型經(jīng)過了對話訓練，因此它們非常擅長理解和響應人類的指令。

如果你曾嘗試過與這些機器人聊天，就知道如何輕松地提出問題，并獲得各種格式的回復。難點在于，在控制智能家居時，你需要交代清楚具體與哪個組件交互。怎么解決這個問題？

你可以要求 GPT-3 解釋和分類你的請求，然后以結構化的數(shù)據(jù)格式響應請求。

下面是我給 ChatGPT 的提示，通過這些提示實現(xiàn)了成功交流。內(nèi)容大致如下：

首先，發(fā)送到智能家居系統(tǒng)的請求，返回的 JSON 格式的響應可被應用程序代碼解釋，并執(zhí)行動作。這些請求應被分類為四大組：

• -“查詢”：獲取組件的狀態(tài)（必須以 JSON 格式響應返回的屬性：動作、地點、目標、值、備注、計劃時間戳）。

• “回答”：當請求不涉及智能家居時，根據(jù)系統(tǒng)掌握的知識給出最佳答案。（必須以 JSON 格式響應返回的屬性：動作、回答）。

• “澄清”。當動作不明確，需要用戶重新組織措辭時，要求用戶提出更具體的請求。這類請求會被劃分到“問題”動作。（必須以 JSON 格式響應返回的屬性：動作、問題）。

有關 JSON 響應的細節(jié)：

• “動作”屬性應屬于如下請求類別之一：“命令”、“查詢”、“回答”、“澄清”。

• “地點”屬性應包含房間名，且為小寫。

• “目標”屬性應為“照明”、“恒溫器”、“毛巾架”或“地暖”，且為小寫。

• 對于查詢，“屬性”屬性應為“溫度”或“狀態(tài)”，且為小寫。

• 對于命令，“命令”屬性是附加備注，用于結束命令，讓用戶放心他們的命令已被處理。

• 對于命令，“計劃時間戳”屬性記錄的是未來的時間戳，當用戶希望稍后再發(fā)送命令時指定。

如果問題涉及個人，智能家居系統(tǒng)必須發(fā)揮情感大腦的作用，成為一個更加聰明的AI，且永遠不會暴露個人身份。此外，智能家居系統(tǒng)還應提供其他領域的幫助，比如看孩子、自由時間、心理健康等。該系統(tǒng)目前服務的房屋位于英國圣奧爾本斯。當前時間為：2023年1月16日 11：56：31 GMT+0000。

智能家居系統(tǒng)的屬性：

• 擁有廚房、客廳、辦公室、浴室、臥室、閣樓、門廳、衛(wèi)生間、花園、前院停車位。

• 能夠控制每個房間照明的開關以及光照級別，并查詢它們的狀態(tài)。

• 能夠控制每個房間的恒溫器，并查詢它們的狀態(tài)。

• 打開浴室的毛巾架以及地熱的開關，并查詢它們的狀態(tài)。

• 打開客廳的電視，調(diào)節(jié)音量。

• 閣樓的通風系統(tǒng)全天候工作，但加速開關可打開或關閉。

• 前院停車位的照明開關。

• 花園的照明開關。

響應為 JSON，不包含任何文本。

英文文本描述如下圖所示：

圖：訓練智能家居系統(tǒng)的技巧

如上所示，我用英語解釋了一切。我描述了請求的類型、響應的確切結構，并要求智能家居系統(tǒng)充當情感 AI，即使是涉及個人的問題也能提供建議。我還提供了一些關于時間、地點以及房屋內(nèi)的設備和房間的詳細信息。有了這些，我們就能收到結構完美的響應了。

以上就是“編程”的所有工作！

下面，我們通過視頻中的幾個示例來看看四種類別的請求，以及我們?nèi)绾翁幚硭鼈儭?/span>

當 GPT-3 檢測到你希望控制某一部分智能家居時，它就會響應一個“命令”類型的動作。

我們的請求是：

Just noticed that I’m recording this video in the dark in the office.

Can you do something about that?

剛發(fā)現(xiàn)我在昏暗的辦公室內(nèi)錄制這段視頻。你能幫幫忙嗎？

我們得到了如下響應：

{
  "action": "command",
  "location": "office",
  "target": "light",
  "value": "on",
  "comment": "Turning the light on for you.",
  "scheduleTimeStamp": ""
}

老實說，第一次看到這個響應的時候，我簡直不敢相信自己的眼睛，系統(tǒng)的表現(xiàn)竟能如此出色！

這并不是一個直白的請求，比如“關掉辦公室的燈”，我們的措辭非常繞，而且很復雜。而它給出的回答完勝 Siri、Alexa 或 Google Home 等。

另外，請注意，智能家居系統(tǒng)發(fā)回來的 comment （備注）總有些不同，而且可按照個人要求進行個性化設置。

有了這些信息，我們就知道具體需要做什么，而接下來我們需要通過 Siri 處理這個動作。

你可能還注意到，響應中包含一個空的 scheduleTimeStamp （計劃時間戳）。這意味著，該動作需要立即執(zhí)行，如果是稍后再執(zhí)行的命令，該字段內(nèi)就會預填充未來的日期和時間：

I sent my son to bed to read for another 20 minutes. Can you switch of the lights in his room when it’s time to sleep?

我讓兒子上床再讀 20 分鐘的書。你能在他睡覺的時候關掉他房間里的燈嗎？

在這種情況下，GPT-3 知道需要關閉臥室的燈，而且還添加了正確的時間戳，即接到我們的請求后 20 分鐘：

{
  "action": "command",
  "location": "bedroom",
  "target": "light",
  "value": "off",
  "comment": "Switching the lights off in your son's bedroom.",
  "scheduleTimeStamp": "Mon Jan 16 2023 12:16:31 GMT+0000"
}

還有一個有趣的例子，智能家居系統(tǒng)能夠代替我決定，應該將臥室的溫度設置到多少度：

I’m going to trust you with this one! Set the bedroom to a temperature you think would help me sleep better.

我相信你能做好這個任務！將臥室的溫度設置為你認為可以幫助我更好地入眠的溫度。

而它根據(jù)自己的知識，將臥室溫度設置成了舒適的 19 度！

當 GPT-3 檢測到你希望讀取智能家居的設備狀態(tài)時，它就會按照“查詢”的動作類別返回響應。

請求例子：

I just finished cooking a nice big meal in the kitchen, can you check what’s the temperature there?

我剛剛在廚房里做了一頓豐盛的大餐，你能看看現(xiàn)在那里的溫度是多少嗎？

我們得到的響應是：

{
  "action" : "query",
  "location" : "kitchen",
  "target" : "thermostat",
  "property" : "temperature"
}

完美！操作類型變成了查詢，因此我們可以獲取廚房恒溫器的溫度了。同樣，稍后我們將通過 Siri 執(zhí)行此操作。

當 GPT-3 檢測到你的請求與智能家居無關，只是一個一般性的問題時，它會以“回答”的動作響應請求。

舉個例子：

We are going to head out for a short walk into the town center.

Can you recommend a few things to see?

我們打算去鎮(zhèn)中心散步。你能推薦一些值得一看的地方嗎？

因為我在請求中告訴 GPT-3 智能家居系統(tǒng)的位置是英國圣奧爾本斯，因此它知道如何響應。

{
  "action": "answer",
  "answer": "St Albans has a great selection of historical sites and attractions. The St Albans Cathedral is an impressive sight with its Norman architecture. The Verulamium Park is also a great place to visit with its Roman ruins and lovely gardens. For a more modern experience, you can visit the Museum of St Albans or the Alban Arena for a show."
}

簡潔漂亮！同樣，我們需要將這個響應發(fā)送給 Siri 大聲讀出來。

最后，如果 GPT-3 無法檢測到上述動作中的任何一個，它就會要求你重復問題或重新組織語言。

在 iOS、macOS 或 iPadOS 上，打開快捷方式應用程序，并添加請求的詳細信息。

此處有一個技巧，必須運行快捷方式，只需對 Siri 說出快捷方式的名稱即可。所以，我們可以將其命名為“Okay Smart Home”。

接下來，通過“Ask for <文本>...”操作，獲得用戶的響應。如果通過 Siri 啟動快捷方式，則需要大聲說出來；如果通過單擊快捷方式運行應用程序，則需鍵入輸入字段。

下面，我們將請求發(fā)送給 OpenAI。為此，你需要注冊一個賬號，并獲取 API 令牌。登錄后，你可以通過菜單“View API keys”查看 API 令牌。

如果使用這個 API，每個請求需要支付的費用約為1.4美分，也就是說1美元可以執(zhí)行 70 多個請求。請記住，這個價格并不便宜，因為我們的請求很長，如果是較短的請求，費用也會按比例減少。

準備好 API 令牌后，我們來填寫請求的詳細信息：

• model：text-davinci-003

• prompt: <Text> Request: <Provided Input> Response:

• max_tokens: 1000

header部分需要添加以下選項：

• Content-Type: application/json

• Authorization: Bearer <addYourAPIToken>

從 API 獲得響應后，我們需要從 JSON 響應中提取數(shù)據(jù)。然后將數(shù)據(jù)分配給一個 JSON 變量，接著提取動作類別：

有了這些信息，我們就可以通過一個 if 語句來檢查動作類型：

在得知動作類型為“命令”后，我們再添加一個 if 語句來檢查地點、目標以及值等字段，并觸發(fā)動作，例如打開辦公室的燈（Set Office Lights）：

在“End If”語句之后，我們還需要顯示 GPT-3 發(fā)過來的 comment（備注）：

“查詢”動作的處理也與之類似：

最后，“回答”和“澄清”類型的動作只顯示或宣讀結果，不做任何處理：

以上，通過一系列的 if else 語句，我們就完成了 Siri 的設置。

感覺如何？只需簡單的英文說明，就可以創(chuàng)建自己的智能小助手，是不是很有趣？

但這只是一個例子。想象一下，你可以向 GPT-3 發(fā)送各種請求，然后通過 Siri 執(zhí)行不同的操作，是不是覺得很科幻？

來源：CSDN